申请/专利权人：四川诺克钻探机械有限公司

申请日：2024-02-09

公开（公告）日：2024-03-19

公开（公告）号：CN117722170A

主分类号：E21B44/00

分类号：E21B44/00;G06N20/00;G06N3/08;G06N5/01;G06N20/20;G06F18/243;G06F17/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种钻探作业中采用自动化控制的方法及装置，具体涉及钻探作业自动化控制领域，本发明通过结合深度Q学习设计状态空间、动作空间和回报函数，以确保模型能够学习到有效的钻井策略，能够优化钻井操作，提高效率，减少钻头磨损和总体成本；并在排除卡钻控制中，利用机器学习算法进行卡钻风险评估，能够对卡钻控制进行风险预测，提高钻探作业的自动化。

主权项：1.一种钻探作业中采用自动化控制的方法，其特征在于，包括以下步骤：S1.数据采集；S2.根据采集的数据，通过系统终端分别进行钻进控制、下钻控制、起钻控制、扩孔划孔控制和排除卡钻控制；所述钻进控制具体包括以下子步骤：S201.定义状态空间和动作空间，其中，所述状态空间表示DQN模型的输入，所述状态空间至少包括钻头位置、钻头转速、轴向力、进给速度、泥浆流量、地层硬度和钻头磨损，所述动作空间至少包括转速控制、轴向力控制和钻头更换；S202.通过定义回报函数评估每个动作的效果；利用均方误差评估预测Q值与目标Q值的差异，对于每个训练步骤，使用以下损失函数更新网络： ；其中，所述表示损失函数，所述表示神经网络参数，所述表示对训练数据进行取平均或期望，所述表示即时回报，及在状态采取动作时的即时回报，所述表示折扣因子，所述的取值介于0和1之间，所述表示在新状态下，所有可能动作的Q值的最大值，所述表示目标网络的参数，所述表示当前神经网络的参数，所述表示当前状态空间，所述表示当前状态下采取的动作，所述表示执行动作后的下一个状态，所述表示新状态下的动作；S203.通过训练好的模型实时调整钻进参数，选择最优动作作为输出。

全文数据：

权利要求：

百度查询： 四川诺克钻探机械有限公司 一种钻探作业中采用自动化控制的方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD